Aula 07 - Visualização de dados: ggplot e extensões

Métodos Quantitativos Aplicados à Ciência Política

Frederico Bertholini

Rode seus pacotes!

pacman::p_load("tidyverse",
               "haven",
               "lubridate",         
               "janitor",
               "readxl",
               "stringr", 
               "magrittr",
               "srvyr",
               "survey")

Visualização de dados

onde estamos?

Uma exibição gráfica deve (1/2)

Mostrar os dados

Induzir o observador a pensar em sua substância, não em metodologia ou tecnologia de produção

Evitar distorcer o que os dados dizem

Apresentar muitos números em pequenos espaços

Tornar grandes conjuntos de dados coerentes

Uma exibição gráfica deve (2/2)

Encorajar o observador a comparar diferentes partes dos dados

Revelar diferentes níveis de detalhamento dos dados

Servir a um propósito claro e razoável: descrição, exploração, tabulação ou decoração

Estar integrada com as descrições estatísticas e verbais do conjunto de dados

4 princípios (Edward Tufte)

Miniaturas Múltiplas

Menor diferença efetiva

Causalidade (Respondendo a pergunta: “Comparado com o quê?”)

Contexto

O que você quer mostrar?

Andrew Abela Chart chooser

Animado

Design Principles

Seguir princípios de design pode ajudar a aumentar a qualidade das visualizações:

- Gerando apresentação eficaz de informações

- Evitando distração e confusão, reduzindo a carga cognitiva

- Agregando valor estético

Alguns princípios selecionados

  • Proporção dados-tinta (data-ink ratio)

  • Densidade de dados (data density)

  • Heurística de cores (color heuristics)

  • Lixo gráfico (chartjunk)

Proporção dados-tinta

Boas representações gráficas maximizam data-ink e minimizam, tanto quanto possível, non-data-ink.

  • Non-data-ink: escalas, bordas, fundos

Densidade de dados

A densidade de dados de um gráfico é a proporção do tamanho total do gráfico dedicado à exibição de dados. (Tufte, 1983)

  • Semelhante ao Data-Ink Ratio, Tufte prefere visualizações com alta densidade de dados.

  • Ele afirma que a maioria dos gráficos pode ser reduzida sem perder legibilidade ou informações.

Heurística de cores

Contraste e analogia são os princípios que definem o design de cores.

  • As cores contrastantes são diferentes, as cores análogas são semelhantes.

  • O contraste chama a atenção, a analogia agrupa.

As informações codificadas por cores devem ser legíveis.

  • Legibilidade: diferença entre as cores de primeiro plano e de fundo

Lixo gráfico

Princípios

  • O que você quer mostrar?

  • Elementos que podem destacar ou confundir o que você quer mostrar.

  • vamos tentar alternar “teoria” com live code

  • Ah, mas eu posso usar base R? Poder, pode…

Com base R

plot(mtcars$wt, mtcars$mpg)

Com ggplot

mtcars %>% mutate(vs = factor(vs)) %>%
  ggplot(aes(x = wt, y = mpg,color=vs)) +
  geom_point() +
  theme_minimal()

ggplot

Recursos

Elementos do ggplot

  • Dados (data =)

  • Geometrias (geom_)

  • Estéticas (aes())

  • Escalas (estética) (scale_)

  • Escalas (eixos) (scale_x)

  • Tema

  • Facet

Dados data =

  • Dado empilhado?

  • Cada coluna será uma entrada!

Geometrias geom_

Estéticas aes()

  • x (xmax e xmin)

  • y(ymax e ymin)

  • color

  • fill

  • shape

  • group

  • size

Escalas (estética) scale_

  • scale_color_xx

  • scale_fill_xx

  • scale_shape_xx

Escalas (eixos) scale_x

  • Contínua scale_x_continuous

  • Discreta scale_x_discrete

  • Tempo scale_yearmon

  • Série de tempo zooe lubridate –> scale_yearmon

Tema

  • Customização total da visualização

  • Eixos

  • Texto element_text

  • linhas de grade

Facet

  • facet_grid

  • facet_wrap

Adicionais

Gráficos com interatividade:

Combinação de gráficos

Exercício 1

Lembram as bases de bancadas e coligações que usamos para fazer o join?

Agora vamos criar um gráfico de barras com:

  • o tamanho das bancadas como tamanho das barras e

  • colorindo de acordo com o presidente que apoiam

# Criando data.frame com join
data_colig <- read_rds("dados/bancadas.rds") %>%
  left_join(read_excel("dados/coligacoes.xlsx"))

Resolução

(g.colig <-
   data_colig %>%
  ggplot() +
  geom_bar(aes(x=size,y=party,fill=president),stat = "identity")
 )

Adicionando camadas

Live coding brincando com camadas no objeto g.colig

Exercício 2

  • Carregue os dados de exemplo do pacote survey data(api), use o data.frame apisrs

  • Crie o objeto tbl_svy com o nome amostra_expandida expandindo a amostra aleatória simples usando apenas a variável (coluna) “pw”, contendo o peso amostral. Dica: execute as_survey(weight=pw).

  • Usando a variável stype crie uma nova variável indicando se a escola é de nível fundamental (categorias E e M de stype) ou de nível médio (categoria H de stype). Dica: use mutatee case_when.

  • Faça um gráfico de barras comparando a variação média das notas de 1999 (api99) e 2000 (api00) por nível e utilize as estimativas intervalares. Dica: olhe o código da aula 07, utilize geom_errorbar para a estimativa intervalar.

Resolução

data(api)

amostra_expandida <- apisrs %>% 
  as_survey(weight = pw) %>%
  mutate(nivel=case_when(
    stype=="E"~"Fundamental",
    stype=="M"~"Fundamental",
    stype=="H"~"Médio"
  ))

out <- amostra_expandida %>%
  group_by(nivel) %>%
  summarise(api_diff = 
              survey_mean(api00 - api99, vartype = "ci"))

grafico <- out %>% 
  ggplot(aes(x = nivel, y = api_diff, 
             fill = nivel,color=nivel,
                       ymax = api_diff_upp, 
             ymin = api_diff_low)) +
  geom_bar(stat = "identity",alpha=0.6) +
  geom_errorbar(width = 0,size=3) 

grafico 

grafico + 
  labs(y="Variação das notas",x="",color="Nível",fill="Nível") + 
  theme_minimal()

Live coding

Capítulo livro: Identity Versus Fear of Death: Political Polarization Under the COVID-19 Pandemic in Brazil

Paper APSA 2022: Fried, broiled, smoked: pork is all everybody loves: The allocation of pork to where it is needed?

IPOL/UnB